开始使用 CommDebugMode

作者: Anshul Sinha

在本教程中，我们将探讨如何在分布式训练环境中使用 PyTorch 的 DistributedTensor (DTensor) 中的 CommDebugMode 进行调试，方法是跟踪集体操作。

先决条件

• Python 3.8 - 3.11

• PyTorch 2.2 或更高版本

什么是 CommDebugMode 以及它为什么有用

随着模型规模的不断增大，用户正在寻求利用各种并行策略组合来扩展分布式训练。然而，现有解决方案之间缺乏互操作性带来了重大挑战，主要原因是缺乏能够桥接这些不同并行策略的统一抽象。为了解决这个问题，PyTorch 提出了DistributedTensor(DTensor)，它抽象了分布式训练中张量通信的复杂性，提供了无缝的用户体验。但是，在处理现有并行解决方案以及使用 DTensor 等统一抽象开发并行解决方案时，缺乏对底层何时以及发生了哪些集体通信的透明性，可能会使高级用户难以识别和解决问题。为了应对这一挑战，CommDebugMode，一个 Python 上下文管理器将作为 DTensor 的主要调试工具之一，使用户能够查看使用 DTensor 时何时以及为何发生集体操作，从而有效地解决此问题。

使用 CommDebugMode

以下是如何使用 CommDebugMode

# The model used in this example is a MLPModule applying Tensor Parallel
comm_mode = CommDebugMode()
    with comm_mode:
        output = model(inp)

# print the operation level collective tracing information
print(comm_mode.generate_comm_debug_tracing_table(noise_level=0))

# log the operation level collective tracing information to a file
comm_mode.log_comm_debug_tracing_table_to_file(
    noise_level=1, file_name="transformer_operation_log.txt"
)

# dump the operation level collective tracing information to json file,
# used in the visual browser below
comm_mode.generate_json_dump(noise_level=2)

以下是 MLPModule 在噪声级别 0 时的输出示例

Expected Output:
    Global
      FORWARD PASS
        *c10d_functional.all_reduce: 1
        MLPModule
          FORWARD PASS
            *c10d_functional.all_reduce: 1
            MLPModule.net1
            MLPModule.relu
            MLPModule.net2
              FORWARD PASS
                *c10d_functional.all_reduce: 1

要使用 CommDebugMode，您必须将运行模型的代码包装在 CommDebugMode 中，并调用您要使用的 API 来显示数据。您还可以使用 noise_level 参数来控制显示信息的详细程度。以下是每个噪声级别显示的内容

0. 打印模块级集体操作计数

1. 打印 DTensor 操作（不包括琐碎操作），模块分片信息

2. 打印张量操作（不包括琐碎操作）

3. 打印所有操作

在上面的示例中，您可以看到集体操作 all_reduce 在 MLPModule 的前向传递中发生了一次。此外，您可以使用 CommDebugMode 精确定位 all-reduce 操作发生在 MLPModule 的第二个线性层中。

以下是您可以用来上传自己的 JSON 导出文件的交互式模块树可视化工具

将文件拖到此处

结论

在本教程中，我们学习了如何使用 CommDebugMode 调试分布式张量和使用通信集体操作的 PyTorch 并行解决方案。您可以在嵌入式可视化浏览器中使用您自己的 JSON 输出。

有关 CommDebugMode 的更多详细信息，请参阅 comm_mode_features_example.py